# Argus Client‑GPU 安装指南（deployment_new）

## 一、准备条件（开始前确认）
- GPU 节点安装了 NVIDIA 驱动，`nvidia-smi` 正常；
- Docker & Docker Compose v2 已安装；
- 使用统一账户 `argus`（UID=2133，GID=2015）执行安装，并加入 `docker` 组（如已创建可跳过）：
  ```bash
  sudo groupadd --gid 2015 argus || true
  sudo useradd --uid 2133 --gid 2015 --create-home --shell /bin/bash argus || true
  sudo passwd argus
  sudo usermod -aG docker argus
  su - argus -c 'id; docker ps >/dev/null && echo OK || echo NO_DOCKER_PERMISSION'
  ```
  后续解压与执行（config/install/uninstall）均使用 `argus` 账户进行。
- 从 Server 安装方拿到 `cluster-info.env`（包含 `SWARM_MANAGER_ADDR/BINDIP/FTPIP/SWARM_JOIN_TOKEN_*`）。

## 二、解包
- `tar -xzf client_gpu_YYYYMMDD.tar.gz`
- 进入目录：`cd client_gpu_YYYYMMDD/`
- 你应当看到：`images/`（GPU bundle、busybox）、`compose/`、`scripts/`、`docs/`。

## 三、配置 config（预热 overlay + 生成 .env）
命令：
```
cp /path/to/cluster-info.env ./   # 或 export CLUSTER_INFO=/abs/path/cluster-info.env
./scripts/config.sh
```
脚本做了什么：
- 读取 `cluster-info.env` 并 `docker swarm join`（幂等）；
- 自动用 busybox 预热 external overlay `argus-sys-net`，等待最多 60s 直到本机可见；
- 生成/更新 `compose/.env`：填入 `BINDIP/FTPIP/SWARM_*`，并“保留你已填写的 AGENT_* 与 GPU_NODE_HOSTNAME”（不会覆盖）。

看到什么才算成功：
- 终端输出类似：`已预热 overlay=argus-sys-net 并生成 compose/.env；可执行 scripts/install.sh`；
- `compose/.env` 至少包含：
  - `AGENT_ENV/AGENT_USER/AGENT_INSTANCE/GPU_NODE_HOSTNAME`（需要你提前填写）；
  - `BINDIP/FTPIP/SWARM_MANAGER_ADDR/SWARM_JOIN_TOKEN_*`；
 - `NODE_GPU_BUNDLE_IMAGE_TAG=...:YYYYMMDD`。

### 日志映射（重要）
- 容器内 `/logs/infer` 与 `/logs/train` 已映射到包根 `./logs/infer` 与 `./logs/train`：
  - 你可以直接在宿主机查看推理/训练日志：`tail -f logs/infer/*.log`、`tail -f logs/train/*.log`；
  - install 脚本会自动创建这两个目录。

若提示缺少必填项：
- 打开 `compose/.env` 按提示补齐 `AGENT_*` 与 `GPU_NODE_HOSTNAME`，再次执行 `./scripts/config.sh`（脚本不会覆盖你已填的值）。

## 四、安装 install（加载镜像 + 起容器 + 跟日志）
命令：
```
./scripts/install.sh
```
脚本做了什么：
- 如有必要，先自动预热 overlay；
- 从 `images/` 导入 `argus-sys-metric-test-node-bundle-gpu-*.tar.gz` 到本地 Docker；
- `docker compose up -d` 启动 GPU 节点容器，并自动执行 `docker logs -f argus-metric-gpu-node-swarm` 跟踪安装过程。

看到什么才算成功：
- 日志中出现：`[BOOT] local bundle install OK: version=...` / `dcgm-exporter ... listening` / `node state present: /private/argus/agent/<hostname>/node.json`；
- `docker exec argus-metric-gpu-node-swarm nvidia-smi -L` 能列出 GPU；
- 在 Server 侧 Prometheus `/api/v1/targets` 中，GPU 节点 9100（node-exporter）与 9400（dcgm-exporter）至少其一 up。

## 五、卸载 uninstall
命令：
```
./scripts/uninstall.sh
```
行为：Compose down（如有 .env），并删除 warmup 容器与节点容器。

## 六、常见问题
- `本机未看到 overlay`：config/install 已自动预热；若仍失败，请检查与 manager 的网络连通性以及 manager 上是否已创建 `argus-sys-net`。
- `busybox 缺失`：确保包根 `images/busybox.tar` 在，或主机已有 `busybox:latest`。
- `加入 Swarm 失败`：确认 `cluster-info.env` 的 `SWARM_MANAGER_ADDR` 与 `SWARM_JOIN_TOKEN_WORKER` 正确，或在 manager 上重新 `docker swarm join-token -q worker` 后更新该文件。